【OpenCV】笔记（5）——图像类型和基本操作

最新推荐文章于 2023-01-19 10:35:33 发布

_TFboy

最新推荐文章于 2023-01-19 10:35:33 发布

阅读量1.5k

点赞数

分类专栏：项目实践 OpenCV进行数字图像处理自学笔记文章标签： opencv C++

本文链接：https://blog.csdn.net/icurious/article/details/58585610

版权

项目实践同时被 2 个专栏收录

15 篇文章 5 订阅

订阅专栏

OpenCV进行数字图像处理自学笔记

12 篇文章 11 订阅

订阅专栏

图像类型

像素访问

图像基本操作

直方图

一. 基本数据类型

Mat

一幅图像被保存为一个头加上包含像素数据的内存区

图像有若干通道，灰度图有一个通道，彩色图像通常有红、绿、蓝三个构成成分（OpenCV 以蓝、绿、红来存储这三个分量）

此外还有第四个通道，及透明度（alpha）通道

用img.channels()来获取一幅img图像的通道数

每个像素使用若干位来存储，称之为图像深度（image depth）

对于灰度图像，像素通常存储为8位，因此允许256个（0~255）个灰度级

对于彩色图像，每个像素存储为3个字节，每个颜色通道占一个字节

某些操作必须以浮点格式存储像素

可以使用img.depth()来获取图像深度，返回值是：

CV_8U //8位无符号整数（0~255）

CV_8S //8位有符号整数(-128~127)

CV_16U //16位无符号整数（0~65535）

CV_16S //16位有符号整数（-32768~32767）

CV_32S //32位有符号整数（-2147483684~2147483647）

CV_32F //32位浮点数

CV_64F //64位浮点数

使用convertTo( )可以将一种图像深度转换成另外一种图像深度

 
  Mat img=imread("cumt.png",IMREAD_GRAYSCALE); 
 
  Mat fp; 
 
  img.covertTo(fp,CV_32F);

二. 像素级访问

方法：

at<>	必须指定矩阵单元的类型	//As for gray image Mat src1 = imread( "lena.jpg" , IMREAD_GRAYSCALE ); uchar pixel1= src1.at< uchar >(0, 0); cout << "Value of pixell(0,0) is:" << ( unsigned int )pixel1 << endl; //As for colorful image Mat src2 = imread( "lena.jpg" , IMREAD_COLOR ); Vec3b pixel2 = src2.at< Vec3b >(0, 0); cout << "B component of pixel (0,0) is:" << ( unsigned int )pixel2 [ 0 ] << endl; //将浮点矩阵初始化为PI Mat M(200, 200, CV_64F ); for ( int i = 0; i < M.rows; i++) { for ( int j = 0; j < M.cols; j++) { M.at< double >(i, j) = CV_PI ; } }	简单但是费时
ptr函数	返回指向图像特定行的指针	//To attain every pixel's R, G, B uchar R, G, B; for ( int i=0;i<src2.rows;i++) { Vec3b * pixrow = src2.ptr< Vec3b >(i); for ( int j = 0;j < src2.cols;j++) { B = pixrow[j] [ 0 ] ; G = pixrow[j] [ 1 ] ; R = pixrow[j] [ 2 ] ; } }

测量时间

getTickCount()

getTickFrequencY()

//Time measuring

double t0 = ( double )getTickCount();

double elapsed = (( double )getTickCount() - t0) / getTickFrequency(); //单位为秒

常用操作

操作	代码示例
设置矩阵的值	img.setTo(0); //对于一个通道的图像 img.setTo( Scalar (B, G, R)); //对于三通道的图像
MATLAB风格的矩阵初始化	Mat m1 = Mat ::eye(m, n, CV_64F ); //mn阶单位矩阵 Mat m2 = Mat ::zeros(m, n, CV_8UC1 ); //mn阶全0矩阵 Mat m3 = Mat ::ones(m, n, CV_68UC1 )255; //mn阶全1矩阵
随机初始化	Mat m4 = Mat (100, 100, CV_8UC1 ); randu(m4, 0, 255);
创建矩阵的一个副本	Mat img1 = img.clone();
创建一个（具有掩码）矩阵的副本	img.copy(img1, mask);
引用一个子矩阵（不复制数据）	Mat img2 = img ( Range (start1, end1), Range (start2, end2) ) ;
图像裁剪	Rect roi(r1, c2, width, height); Mat img5 = img ( roi ) .clone(); //数据拷贝
调整图像大小	resize(img, img1, Size (), 0.5, 0.5); //将图像变为原来的1/2
翻转图像	flip(imgsrc, imgdst, code); //code=0 =>垂直翻转 //code>0 =>水平翻转 //code<0 =>垂直和水平翻转
分割通道	Mat channel[3]; split(img, channel); imshow( "B" , channel[0]); //显示蓝色
合并通道	merge(channel, img);
计算非零像素数	int nz = countNonZero(img);
最小值和最大值	double m, M; Point mLoc, MLoc; minMaxLoc(img, &m, &M, &mLoc, &MLoc);
像素值均值	Scalar m, stdd; meanStdDev(img, m, stdd); uint mean_pxl = mean.val[0];
检查图像数据是否为空	if (img.empty()) cout << "Could not load image." ;

算数运算

位运算

bitwise_and();

bitwise_not();

bitwise_or();

bitwise_xor();

#include<opencv2/opencv.hpp>
#include<iostream>

usingnamespacestd;
usingnamespacecv;

intmain()
{
                /*
                *用bitwise_and()进行图像的剪裁
                *
                */
                Matimg1 = imread("lena.png",IMREAD_GRAYSCALE);
                if(img1.empty())
                {
                                cout<<"Error, cannot load image!"<<endl;

                }
                imshow("Original", img1);

                //创建掩码图像
                Matmask(img1.rows, img1.cols,CV_8UC1,Scalar(0, 0, 0));
                circle(mask,Point(img1.rows / 2, img1.cols / 2), 150, 255, -1);
                imshow("Mask", mask);

                //执行AND运算
                Matr;
                bitwise_and(img1, mask, r);

                //使用白色填充外部
                constucharwhite = 255;
                for(inti = 0;i < r.rows;i++)
                                for(intj = 0;j < r.cols;j++)
                                                if(!mask.at<uchar>(i, j))
                                                                r.at<uchar>(i, j) = white;
                imshow("Result", r);

                waitKey();

                return0;
}

应用2用来估计PI的值

*示例二

*用bitwise_and()对PI的值进行估计

const int side = 200;

const int npixels = 600000;

int i, j;

Mat s1 = Mat ::zeros(side, side, CV_8UC1 );

Mat s2 = s1.clone();

circle(s1, Point (side / 2, side / 2), side / 2, 255, -1);

imshow( "s1" , s1);

for ( int k=0;k<npixels;k++)

{

i = rand() % side;

j = rand() % side;

s2.at< uchar >(i, j) = 255;

}

imshow( "s2" , s2);

Mat r;

bitwise_and(s1, s2, r);

imshow( "r" , r);

int Acircle = countNonZero(r);

int Asquare = countNonZero(s2);

float Pi = 4 * ( float )Acircle / Asquare;

cout << "Estimated value of Pi is:" << fixed << setprecision(6) << Pi << endl;

waitKey();

return 0;

}

数据持久化

OpenCV中除了读取、写入图像和视频特定的函数之外，还有一种更加通用的方式来保存和加载数据，这种方法称之为数据持久化（data persistence)：程序中对象和变量的值被记录（序列化）在磁盘上。

主类是aptly，命名是FilleStorage,表示磁盘上一个文件。实际上，数据被储存为XML,或者YAML格式。

写入数据时的步骤：

1 调用构造函数FileStorage,使用FileStorage::WRITE值传递一个文件名称和一个标志，数据格式则是由文件扩展名（即：.xml,.yml或.yaml）定义的；

2 使用运算符<<将数据写入文件，数据通常被写为字符串值对；

3 使用release方法关闭文件

读取数据时需要如下步骤：

1 调用构造函数FileStorage，使用FileStorage::READ值床底一个文件名和一个标志；

2 使用运算符>>或者[ ]从文件中读取数据

3 使用release方法关闭文件

#include<opencv2/opencv.hpp>
#include<iostream>

usingnamespacestd;
usingnamespacecv;

Matimg1;

voidtb1_Callback(intvalue,void*)
{
                Mattemp = img1+value;
                imshow("main_win", temp);
}

intmain()
{
                img1=imread("girl.png",IMREAD_GRAYSCALE);

                if(img1.empty())
                {
                                cout<<"Error! Cannot load image!"<<endl;

                }

                inttb1_value = 0;

                //加载滑动条的值
                FileStorage  fs1("config.xml",FileStorage::READ);
                tb1_value = fs1["tb1_value"];//读取数据tb1_value的方法1
                //fs1["tb1_value"]>>tb1_value ;//读取数据tb1_value的方法2
                fs1.release();

                //创建滑动条
                namedWindow("main_win");
                createTrackbar("brightness","main_win", &tb1_value, 255, tb1_Callback);
                tb1_Callback(tb1_value,NULL);

                waitKey();

                //退出时保存滑动条的值
                FileStoragefs2("config.xml",FileStorage::WRITE);
                fs2<<"tb1_value"<<tb1_value;
                fs2.release();

                return0;

}

图像遍历


#include <opencv.hpp>
#include <opencv2/opencv.hpp>
#include <opencv/highgui.h>
#include <iostream>

using namespace std;
using namespace cv;
/*
* To reduce the color of R,G,B
* @param src 
* @param dst
* @param div how many parts should we divide the color space to
*/


void reduceColor(Mat src, Mat &dst,int div)
{
	for (int i = 0;i < src.rows;i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			cout << "shame!-----------\n";
			dst.at<Vec3b>(i, j)[0] = src.at<Vec3b>(i, j)[0] / div*div + div / 2;
			dst.at<Vec3b>(i, j)[1] = src.at<Vec3b>(i, j)[1] / div*div + div / 2;
			dst.at<Vec3b>(i, j)[2] = src.at<Vec3b>(i, j)[2] / div*div + div / 2;
		}
	}

}

int main()
{
	int div=64;
	//read the souce image
	Mat src;
	src=imread("dog2.png");
	namedWindow("Original", WINDOW_AUTOSIZE);
	imshow("Original", src);

	
	//reduce color
	Mat rdc_img;
	reduceColor(src, rdc_img, div);

	//show
	namedWindow("Reduced color image", WINDOW_AUTOSIZE);
	imshow("Reduced color image", rdc_img);
	
	waitKey();

	return 0;
}

_TFboy

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
【OpenCV】笔记（5）——图像类型和基本操作

图像类型像素访问图像基本操作直方图一. 基本数据类型Mat 一幅图像被保存为一个头加上包含像素数据的内存区图像有若干通道，灰度图有一个通道，彩色图像通常有红、绿、蓝三个构成成分（OpenCV 以蓝、绿、红来存储这三个分量）此外还有第四个通道，及透明度（alpha）通道用img.channels()来获取一幅im
复制链接

扫一扫